“高维数据”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果6003165个，建议您升级VIP下载更多相关专利

[发明专利]高维数据的近邻搜索方法以及快速近似图像搜索方法-CN201210126423.9有效
发明人：龚怡宏 -专利权人：常州市图佳网络科技有限公司
申请日： 2012-04-27 - 公布日： 2013-10-30 - 主分类号： G06F17/30 文献下载
摘要：本发明涉及高维数据的近邻搜索技术领域，特别涉及一种高维数据的近邻搜索方法，包括以下步骤：1、利用机器学习算法建立具有预定深度的搜索树；2、将数据库中的高维数据放入搜索树中；3、利用经过步骤2建立好的搜索树进行近邻搜索还涉及一种快速近似图像搜索方法，图像的特征向量为高维数据，利用本发明的高维数据的近邻搜索方法搜索；4、建立多个步骤1中所述的搜索树，根据多个搜索树得到多个近邻搜索结果，然后选取所有结果的交集作为最终的搜索结果本发明的高维数据的近邻搜索方法以及快速近似图像搜索方法，能够处理高维数据，真正达到次线性速度的近邻搜索，并且搜索结果稳定，正确率高。
数据近邻搜索方法以及快速近似图像

[发明专利]模型训练数据生成方法及装置-CN202211591512.0在审
发明人：李保敏 -专利权人：上海幻电信息科技有限公司
申请日： 2022-12-12 - 公布日： 2023-03-28 - 主分类号： G06F18/214 文献下载
摘要：本申请提供模型训练数据生成方法及装置，其中所述模型训练数据生成方法包括：获取目标业务的待训练数据样本集，其中，待训练数据样本集包括第一样本集和第二样本集，第一样本集中待训练数组的数量小于预设数量阈值；对待训练数据样本集中的每个待训练数组进行升维处理，获得高维数据样本集，其中，高维数据样本集包括第一样本集对应的第一高维数组集、以及第二样本集对应的第二高维数组集；对第一高维数组集进行过采样处理，获得目标高维数组集；基于目标高维数组集和第二高维数组集，确定目标业务的目标训练数据样本集；对高维度数据进行过采样，能够更加准确地获取到过采样后的新样本数据，进而，提升模型训练的效果。
模型训练数据生成方法装置

[发明专利]一种用于神经网络的三维点云数据识别方法-CN202310371253.9在审
发明人：张志远 -专利权人：浙大宁波理工学院
申请日： 2023-04-10 - 公布日： 2023-07-28 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种用于神经网络的三维点云数据识别方法，包括：获取三维点云数据；根据三维点云数据获得三维点云数据的采样点集；当三维点云数据发生旋转时，获取采样点集中的旋转不变特征数据；构建若干个RISurFormer模块，用于逐个将旋转不变特征数据处理为高维旋转不变特征数据；构建Transformer‑Encoder模块，用于优化高维旋转不变特征数据，获得优化后的高维旋转不变特征数据；构建分类器，用于根据优化后的高维旋转不变特征数据对三维点云数据进行分类；本方法能够处理任意旋转的三维点云数据，不受目标物体姿态的影响，且不需要复杂的数据预处理，效率大大提高，可以广泛应用于神经网络中，尤其是初始输入数据即为原始数据的卷积神经网络。
一种用于神经网络三维数据识别方法

[发明专利]一种大规模高维数据的分布式索引方法及系统-CN201711349831.X有效
发明人：王建民;龙明盛;文庆福 -专利权人：清华大学
申请日： 2017-12-15 - 公布日： 2018-10-30 - 主分类号： G06F17/30 文献下载
摘要：本发明提供一种大规模高维数据的分布式索引方法及系统，将所有的高维数据分布式存储于集群上，将每一个高维数据划分为多个低维数据，每一个子空间中存储有所有高维数据的一个低维数据，采用分布式聚类算法得到每一个子空间的所有低维数据的多个聚类中心，对每个子空间的多个聚类中心进行组合，得到所有高维数据的多个多维关键字，并计算每一个多维关键字包含的高维数据，以此对所有数据进行分布式索引。在查询时，先查询与查询数据匹配的多维关键字，再查询每一个关键字包含的高维数据。本发明将分布式聚类、分布式查询以及多个子空间的倒排索引结合起来，保证了检索查询准确度的前提下，提高检索查询的效率，可以应用于大规模分布式数据的检索。
高维数据分布式索引子空间多维检索查询聚类中心查询低维分布式查询分布式存储分布式数据准确度查询数据倒排索引聚类算法集群聚类维数检索匹配存储应用保证

[发明专利]高维数据集可视化方法及装置、电子设备、存储介质-CN202210412176.2在审
发明人：张明;张儒;甘雨;金云峰;孙自飞;郭震;路明标;姜栋 -专利权人：南京天洑软件有限公司
申请日： 2022-04-19 - 公布日： 2023-01-13 - 主分类号： G06F30/12 文献下载
摘要：本公开涉及高维数据可视化技术领域，提供一种高维数据集可视化方法及装置、电子设备、存储介质，应用于船体型线设计，方法包括：获取用户配置的参数和高维数据集，参数包括降维维度、流形学习降维方法、高维数据集的问题特征；基于流形学习降维方法和问题特征，对高维数据集中的样本进行降维处理，得到低维数据集；基于降维维度，确定对应的可视化类型，并根据可视化类型对低维数据集进行可视化展示。本公开可适用多种场景，有效帮助建模人员提升对船型设计数据的认知，提升代理模型建模的有效性和经济性，有效帮助数据分析人员对数据集的质量和数据分布情况建立正确、直观的认知，为后续的数据建模提供更加有效和有针对性的决策信息支持
数据可视化方法装置电子设备存储介质

[发明专利]基于双学习映射增量降维模型的人体运动形态估算方法-CN201910519205.3有效
发明人：李万益;张菲菲;陈强;张谦;陈国明 -专利权人：广东第二师范学院
申请日： 2019-06-17 - 公布日： 2020-06-26 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于双学习映射增量降维模型的人体运动形态估算方法，包括以下步骤：(1)对图像序列处理后进行矩阵拉直化运算，得到训练高维数据序列，把训练高维序列进行训练后获得低维数据序列和映射关系f1；(2)将训练高维数据序列与步骤(1)所得的低维数据序列再进行训练，获得映射关系g；(3)使用图像序列对应的三维人体运动立体模型的高维数据样本与步骤(1)所得的低维数据序列进行训练本发明的一种基于双学习映射增量降维模型的人体运动形态估算方法能够较好的实现三维人体运动形态的估算，具有耗时少、估算准确、效率高的特点。
基于学习映射增量模型人体运动形态估算方法

[发明专利]一种基于深度神经网络的扩展LargeVis图像特征降维方法-CN202110148551.2在审
发明人：卓力;刘斌;张菁;李嘉锋 -专利权人：北京工业大学
申请日： 2021-01-26 - 公布日： 2021-05-14 - 主分类号： G06K9/62 文献下载
摘要：一种基于深度神经网络的扩展LargeVis图像特征降维方法属于图像处理领域。现有Largevis降维方法是利用数据间的距离关系而进行降维操作过程，因此无法实现对单一的高维数据进行降维。该方法利用深度神经网络对LargeVis隐式的高维数据到低维数据的映射关系进行建模，构建出映射函数f，使得LargeVis算法能够实现对单一高维数据的降维，同时能够取得更优良的降维性能。
一种基于深度神经网络扩展 largevis 图像特征方法

[发明专利]高维数据异常检测方法、相关系统和设备及存储介质-CN202111058571.7在审
发明人：张传雷;刘江涛;闫潇宁;许能华;李建荣 -专利权人：天津科技大学;深圳市安软科技股份有限公司
申请日： 2021-09-09 - 公布日： 2022-01-11 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供了一种高维数据异常检测方法，其包括步骤：步骤S1、构建用于处理高维数据的深度自动编码器；步骤S2、将输入数据输入至深度自动编码器，并通过深度自动编码器生成压缩信息；将压缩信息重构生成低维表示，输入数据为多属性的数据形成的一个数据集的高维数据，压缩信息包括编码并压缩生成的特征向量和解码生成的输出向量；步骤S3、将低维表示根据聚类算法进行运算，以识别出高维数据异常。本发明实施例还提供了一种高维数据异常检测系统、高维数据异常检测设备及计算机可读存储介质。采用本发明的技术方案可有效消除数据中的冗余信息、异常样本的识别率高、识别性能好且计算量小。
数据异常检测方法相关系统设备存储介质

[发明专利]基于贝叶斯网络属性聚类分析技术的高维隐私数据发布方法-CN202011013027.6在审
发明人：陈恒恒;刘胜军;谢飞;倪志伟;陈千;李海松;卜繁耀;朱旭辉 -专利权人：合肥城市云数据中心股份有限公司;合肥工业大学
申请日： 2020-09-24 - 公布日： 2020-12-25 - 主分类号： G06F21/62 文献下载
摘要：本发明涉及基于贝叶斯网络属性聚类分析技术的高维隐私数据发布方法，与现有技术相比解决了高维隐私数据加噪发布误差大、可用性差、效率低的缺陷。本发明包括以下步骤：高维数据的获取；属性子集的聚类划分；构建加噪贝叶斯网络；生成加噪条件分布；合成数据集的发布。高维大数据环境下，本发明可在确保数据隐私安全与可用性的同时，缩短数据发布算法的运行时间，实现高维大数据环境下隐私数据的有效发布。
基于贝叶斯网络属性聚类分析技术隐私数据发布方法

[发明专利]数据处理方法、装置、电子设备及存储介质-CN202110191245.7在审
发明人：祖辰;杨立军 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2021-02-19 - 公布日： 2021-12-10 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了一种数据处理方法、装置、电子设备及存储介质。该方法包括：获取高维数据、待选取特征数量、第一目标权重矩阵和第二目标权重矩阵，所述高维数据包括多个特征；从所述高维数据中选取第一特征子集，所述第一特征子集包括所述待选取特征数量个特征；根据所述高维数据、所述第一特征子集、第一目标权重矩阵和所述第二目标权重矩阵，确定所述高维数据中各个特征的得分；根据所述高维数据中各个特征的得分，从所述高维数据中选取第二特征子集，所述第二特征子集包括所述待选取特征数量个特征该方法可以该方法可以提高数据处理的准确率，节约计算机资源，提高数据处理效率。
数据处理方法装置电子设备存储介质

[发明专利]一种基于中药色谱-质谱高维图像数据库的中药识别方法-CN201711246801.6有效
发明人：张晓哲;赵楠;程孟春 -专利权人：中国科学院大连化学物理研究所
申请日： 2017-12-01 - 公布日： 2021-12-24 - 主分类号： G01N30/02 文献下载
摘要：本发明涉及一种基于中药色谱‑质谱高维图像数据库的中药识别方法，包括如下步骤：⑴中药色谱‑质谱高维图像数据库的建立：1)获取与处理已知中药样本的原始色谱‑质谱数据；2)生成已知中药样本的高维数据与高维图像；3)建立已知中药样本的色谱‑质谱高维图像数据库；⑵中药色谱‑质谱高维图像数据库的应用：1)未知样本图像数据的获取；2)未知样本的识别；3)未知样本识别结果的验证。与现有技术相比，本发明运用中药色谱‑质谱高维图像技术，能够对中药样本中大量化合物间的空间信息实现全面表征，并利用上述空间信息实现未知样本与已知中药样本匹配与识别。
一种基于中药色谱质谱高维图像数据库识别方法

[发明专利]一种文物无损检测装置-CN201710962854.1在审
发明人：张立福;史宁昌;雷勇;孙雪剑;张红明;曲亮;李光华;杨杭 -专利权人：中国科学院遥感与数字地球研究所;故宫博物院
申请日： 2017-10-17 - 公布日： 2018-05-01 - 主分类号： G01N21/27 文献下载
摘要：本发明提供一种文物无损检测装置，所述装置包括高光谱获取单元和高光谱分析单元；所述高光谱获取单元与高光谱分析单元电连接；其中，所述高光谱获取单元包括一维高光谱获取子单元和二维扫描平台子单元；所述一维高光谱获取子单元用于获取一维文物高光谱数据；所述二维扫描平台子单元用于带动所述一维高光谱获取子单元平移，将所述一维文物高光谱数据组合成二维文物高光谱数据；所述高光谱分析单元用于分析所述二维文物高光谱数据。本发明提供的一种文物无损检测装置，获取文物高光谱数据并对此进行分析，为文物领域工作人员提供了一种智能的文物无损检测方案，提高了文物检测的可靠性和准确性，降低了文物毁损的可能性。
一种文物无损检测装置

[发明专利]一种异常数据检测方法、装置、设备及存储介质-CN202210113649.9在审
发明人：余石龙 -专利权人：中国农业银行股份有限公司
申请日： 2022-01-30 - 公布日： 2022-05-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种异常数据检测方法、装置、设备及存储介质。该方法包括：对获取的待检高维数据进行数据图像化处理，得到包含特征图像的特征图像集；结合预设数量组正常样本数据的参考特征图像集，确定各所述特征图像中各像素位置的特征注意力权重，并形成特征注意力图像集；采用预先训练好的高维数据检测模型，确定所述特征注意力图像集的数据状态；当所述数据状态为异常状态时，确定所述待检高维数据为异常数据。本发明通过将高维数据转换为多个二维图像数据，并且采用注意力机制提取特征，更加贴近数据本身的分布信息，可以克服传统算法运算效率低，且对高维数据特征提取效果差，信息易丢失的问题，实现了快速准确检测高维数据中的异常数据
一种异常数据检测方法装置设备存储介质

[发明专利]一种传感器网络异常检测方法-CN200910061537.8无效
发明人：刘文予;蒋洪波;舒乐;张松涛;刘文平;陈金华;刘军 -专利权人：华中科技大学
申请日： 2009-04-07 - 公布日： 2009-08-26 - 主分类号： H04W24/00 文献下载
摘要：一种传感器网络异常检测方法，对网络进行分簇，各簇中簇头汇聚簇内各单位时间内所有节点的高维数据序列，采用隐马尔科夫模型构建方法构建各单位时间的节点高维数据变迁模型，以模型相似性为分类基准，将各节点高维数据变迁模型进行分类，对于每一类的节点高维数据初始变迁模型，将其包含单位时间内的所有高维数据序列汇聚，再次采用隐马尔科夫模型构建方法构建新的节点高维数据变迁模型，利用新的高维数据变迁模型对簇中进行异常检测。本发明充分利用传感器网络中数据时间和空间相关性，有效减少数据冗余及通信开销，延长传感器节点的寿命，达到异常检测的目的。
一种传感器网络异常检测方法

[发明专利]一种基于局部正交对齐的特征降维方法-CN201410290957.4有效
发明人：林通;王勃;查红彬 -专利权人：北京大学
申请日： 2014-06-25 - 公布日： 2017-05-03 - 主分类号： G06K9/62 文献下载
摘要：一种基于局部正交对齐的降维方法，包括输入初始高维数据矩阵，根据高维数据点之间的欧式距离，获取数据点的局部近邻关系；将局部高维数据进行低维表示；将低维坐标全局对齐；获取降维目标函数；将降维目标函数分解为半正定松弛部分和正交约束部分，并分别通过半正定松弛方法和强制正交化方法进行求解，最终得到降维后的结果。本发明所述的降维方法，能较好地保持原始数据的诸如数据点间距离，角度等几何信息，能对原数据做到极高的几何保真效果。
一种基于局部正交对齐特征方法